做完中药入血成分分析后,如何筛选关键组分及其结合靶点
所属分类: 技术干货
发布时间: 2026-07-21
概要: 中药入血成分筛出来上百个,这些成分中哪些才是真正起效的?它们分别作用于哪些靶点?如何用实验证据证明它们真的结合了这些靶点?
为什么入血成分分析只是起点?
在中药药理学研究中,中药血清药物化学已成为公认的研究药效物质基础的有效方法。只有真正被机体吸收进入血液循环的成分,才有可能到达靶器官并发挥药效。
借助高分辨质谱平台,研究者往往能在一次给药后的血清样本中鉴定出数十乃至上百种入血成分。但问题来了:面对这份长长的“入血成分清单”,你该如何回答三个核心问题——
1. 这上百个成分中,哪些才是真正起效的?
2. 这些起效的成分,又分别作用于哪些靶点?
3. 如何用实验证据证明它们真的结合了这些靶点?
今天丸子就带大家系统梳理“入血成分鉴定-关键组分筛选-靶点发现与验证”的完整技术链条。
点击文末阅读原文,
获取更多中药作用机制研究实验方案~
一、入血成分分析:快速回顾
在进入正题之前,有必要简要回顾入血成分分析的技术要点。
核心平台:
UPLC-HRMS(高分辨质谱)是当前的金标准。主流系统包括UPLC-Q-TOF-MS和UPLC-LTQ-Orbitrap-MS,前者扫描速度快,适合非靶向全面筛查;后者质量精度极高(<1-3 ppm),特别适合在复杂血清基质中追踪微量代谢物。
操作流程:
通常采用“先全面扫描,后靶向定量”的策略 —— 先用数据依赖采集(DDA)模式对混合QC样本进行非靶向测量,获取数千个特征峰的MS/MS谱图;再自动构建MRM通道,转移至三重四极杆质谱上进行高灵敏度的靶向定量分析。
数据预处理:
通过Compound Discoverer、MarkerLynx或MS-DIAL等平台进行峰拾取、对齐、归一化和背景扣除,再与mzCloud、ChemSpider等数据库比对,初步锚定化合物的化学式。更重要的是,还需基于键能规律推演体内代谢产物 —— 脱羧、脱水、脱甲基、葡萄糖醛酸化等修饰都会产生新的分子离子峰。
做完这一步,你手上就有了一份入血成分(含代谢物)的完整清单。
二、如何从入血成分中筛选关键药效组分?
并非所有入血成分都对疾病表型产生有意义的干预。你需要通过多层次的“漏斗式”筛选,将庞大的数据池有效降维。
第一层过滤:多元统计学剔除“噪音”
在入血成分的数据矩阵中,存在大量重现性低、由饮食或非药用背景引起的假阳性峰。主成分分析(PCA)、偏最小二乘法判别分析(PLS-DA)及正交偏最小二乘法判别分析(OPLS-DA)是这里的主力工具。
通过对比给药组与对照组的血清谱图,提取出真正具有显著性差异的变量,筛掉那些“虽然入血但与药效无关”的干扰成分。
第二层过滤:中医组学 —— 让成分与疗效挂钩
更高阶的筛选理念是中医组学:将中药血清药物化学与宿主机体的内源性代谢组学深度融合,核心逻辑如下:
❶ 构建疾病模型,分析机体处于疾病状态下的内源性生物标志物网络偏移;
❷ 施加中药干预,追踪哪些内源性生物标志物呈现向健康基线回归的轨迹;
❸ 计算血清中检测到的外源性中药入血成分与这些“逆转标志物”之间的相关性。
相关系数最高的那些成分,才是真正驱动疾病向愈的核心药理物质。
第三层过滤:“等效成分群”
—— 别孤立地看每一个化合物
尽管中药复方可能含有数百种化合物,但绝大多数在骨架上具有高度的结构相似性(如黄酮醇类、人参皂苷类、蒽醌类)。
前沿研究提出了“等效成分群”的概念。具有相同母核结构的小分子往往通过相似的药代动力学过程吸收,并竞争性地作用于同一类受体口袋。
因此,不应仅仅关注单一高丰度成分,而应将具有相似结构特征的化合物归为同一个“药效模块”。通过这种分类学策略,你可以将原本散乱的数百个独立变量整合为有限的几个“等效成分群”,极大简化后续机理研究的复杂度。
第四层过滤:网络药理学参数
网络药理学中常用的筛选标尺包括口服生物利用度(OB)和类药性(DL)。传统文献常建议设定OB≥30%且DL≥0.18的硬性阈值。
但不要僵化套用,需要灵活调整:
给药途径的影响:如果是注射液、舌下含服或透皮贴剂等非口服途径,药物不经过胃肠道屏障,OB的限制毫无意义,应当放宽或取消。
低生物利用度高活性的特例:某些成分(如常春藤皂苷元)虽然绝对生物利用度极低,但在动物模型上依然维持了极佳的降脂活性,可能与其在靶器官的特异性富集或肠道代谢物介导的信号传导有关。
小结
经过这四层过滤(多元统计筛选差异变量、中医组学关联药效、等效成分群聚类降维、弹性网络参数评估),就能从上百个入血成分中,提炼出一份精简但高度代表药效的“核心药效组分库”(通常压缩到10-30个候选分子)。
三、如何从核心组分出发筛选靶点?
确定了核心药效组分后,下一个问题是:这些分子进入体内后,究竟结合了哪些靶蛋白?
这需要计算预测与实验验证的双轮驱动。
【第一阶段】计算预测:缩小靶点搜索范围
Step 1:多工具集成靶点垂钓
避免单一工具依赖,建议同步使用以下4个平台进行平行预测:
❶ SwissTargetPrediction(首选,精度最高)—— 输入SMILES格式分子结构
❷ SEA(Similarity Ensemble Approach)—— 基于配体相似性
❸ SuperPred(准确率约75.1%)—— 额外提供ATC药物分类参考
❹ MOST(最相似配体法)—— 作为补充验证
操作要点:各工具默认取排名前15-20的靶点,取交集作为高置信候选集(同时出现于≥3个工具中),取并集作为扩展候选库。
Step 2:核心靶点网络筛选
将候选靶点列表导入以下工具进行降维:
❶ STRING数据库(https://string-db.org)——构建蛋白-蛋白互作(PPI)网络,计算度中心性(Degree)和中介中心性(Betweenness),筛选排名前10%的节点作为Hub Proteins
❷ Cytoscape(v3.9+)——可视化网络,用cytoHubba插件进一步确认核心节点
❸ DisGeNET / GeneCards——交叉验证靶点是否收录于疾病相关基因集
Step 3:分子对接 + 动态矫正(排除假阳性)
初步对接:AutoDock Vina或Glide,获取结合能(ΔG)
关键甄别阈值:ΔG≤-7.0 kcal/mol为初步阳性
不要仅凭对接得分下结论!建议挑选对接得分前5-10的复合物,进行短时分子动力学模拟(50-100 ns,使用GROMACS或AMBER),计算MM-GBSA结合自由能。仅保留在模拟过程中RMSD保持稳定(<2.5 Å)且结合自由能未发生正向漂移的配体-靶点对。
【第二阶段】实验验证:为预测提供物理互作证据
核心原则:优先选择无标记(Label-Free)技术,避免对中药单体进行化学衍生化。
方案A:初步筛选 —— CETSA(首选活细胞系统)
适用场景:候选分子具有良好细胞通透性;需证明分子在活细胞内确实结合了靶标。
操作流程:
❶ 细胞铺板至对数生长期,加入待测中药单体(浓度参考前期细胞活性实验IC50的5-10倍),37°C孵育30-60 min
❷ 预冷PBS洗涤3次,彻底去除游离药物
❸ 温和裂解(含0.5% NP-40 + 蛋白酶抑制剂),14000×g离心取上清
❹ 精密分装至PCR联管,设置温度梯度(37-85°C,间隔3-4°C),加热3min后迅速冰浴
❺ 离心取可溶性上清,进行Western Blot检测目标蛋白
❻ 判读标准:加药组与对照组相比,目标蛋白条带衰减曲线发生≥2°C的Tm漂移(正或负漂移均为阳性)
方案B:未知靶标发现 —— DARTS(裂解液体系)
适用场景:不知靶标为何蛋白,需从头发现;候选分子为水溶性较好的纯品。
操作流程:
❶ 制备细胞/组织全蛋白裂解液,BCA法精密定量
❷ 实验组加入候选分子(浓度梯度摸索,建议1-100μM),对照组加等量溶剂(DMSO终浓度≤1%),室温孵育1-2 h
❸ 最关键步骤——蛋白酶浓度滴定:设置1:100、1:300、1:1000、1:3000、1:10000(酶:蛋白质量比)梯度,室温反应15-30 min
❹ SDS-PAGE分离,银染或SimplyBlue染色,对比两组电泳条带差异
判读标准:加药组出现而对照组缺失/明显减弱的条带——切胶,胶内酶解,送LC-MS/MS鉴定蛋白身份
方案C:复合物实体验证 —— Pull-down
适用场景:需捕获“靶蛋白+中药分子+辅助因子”的完整复合物;此前两种方法信号偏弱需交叉验证。
推荐系统:Twin-Strep-tag / Strep-Tactin XT磁珠系统
操作流程:
❶ 将候选靶蛋白(基于计算预测结果)构建为Twin-Strep-tag融合表达载体,转染目标细胞
❷ 收获细胞裂解液以切断核酸介导的假阳性互作
❸ 裂解液与中药分子共孵育后,加入MagStrep磁珠,4°C旋转结合1-2 h
❹ 磁力架分离,用洗涤缓冲液剧烈震荡洗涤≥5次(每次1 mL)
❺ 温和洗脱:加入含2.5 mM D-生物素的洗脱缓冲液,竞争置换出完整复合物
❻ 洗脱产物直接送Western Blot(已知靶标)或LC-MS/MS(未知互作网络)
【核心逻辑小结】
先用4个预测工具并行垂钓,取交集缩小候选范围 → STRING/Cytoscape筛选Hub Proteins → 分子对接+短时MD模拟剔除假阳性 → CETSA(首选)或DARTS进行无标记快速验证 → Pull-down(Twin-Strep-tag系统)提供复合物水平的终极确证。
总结
读完这篇指南,你会发现从“入血”到“入靶”的每一步都逻辑清晰:四层漏斗筛选核心组分、多工具垂钓靶点、阶梯式实验验证。
但真要动手实操,质谱分析、分子对接、细胞实验环环相扣,周期长、风险高,还怕出阴性结果。
其实,这些繁琐环节完全可以交给更专业的平台来跑通。谱度众合的中药靶点一站式解决方案,就是为你省去中间折腾的“捷径”—— 1个月出报告,最快4个月见刊;采用高通量无偏筛选,直接锁定靶点,告别阴性结果;交付包含7大分析模块、25+项内容的完整图表,满足2区发文标准;实验性研究设计比纯数据库挖掘更受期刊认可;所有原始数据全交付,诚信零风险。
与其在复杂流程里步步惊心,不如把技术活交给谱度众合,你安心聚焦科学故事 —— 从入血到入靶,我们助你一站直达。
点击文末阅读原文,
获取更多中药作用机制研究实验方案~
推荐
谱度众合:中药靶点及作用机制研究一站式解决方案
谱度众合重磅推出“中药靶点及作用机制研究一站式解决方案”,以3万元的普惠经费、1个月的极致周期,提供涵盖中科院2区文章90%工作量的高质量数据支撑!
✔ 快速发文:项目周期仅需1个月,报告内容参照SCI格式,提供符合论文发表要求的图表以及中英文结果描述,从实验设计阶段开始最快可在4个月见刊。
✔ 保障阳性结果:采用基于高通量无偏见筛选的数据驱动实验策略,与传统的假设驱动的实验策略相比,无需预设特定的靶标分子,可以直接筛选出潜在的药物结合靶点,从而有效避免了出现阴性结果的风险。
✔ 结果图表丰富:高通量组学结果联合多个数据库,深入分析中药活性成分、作用靶点、功能富集通路、分子对接、蛋白质相互作用等多层面的结果,包含7大分析模块,25+项分析内容,交付4张核心组图,报告数据结果能达到中科院2区文章90%的工作量标准。
✔ 杂志接受度高:从自身课题现象出发,采集实验材料,采用以高通量筛选技术获得关键靶标及通路的实验性研究,相比于仅依靠数据库挖掘的方法,更易受到学术杂志的认可。
✔ 无科研诚信风险:质谱高通量筛选产生信息庞大又相互关联的数据结果,从原始数据到分析数据的整个过程,我们将以文件夹清晰完整地交付给客户,以便用于论文发表和数据上传,从而杜绝项目数据造假的可能。
参考资料
1. Yang M, Wang J. Analysis of serum pharmacochemistry of hederagenin using UPLC-Q-TOF/MS. J Pharm Biomed Anal. 2021;:1373-1383.
2. lida T, Murayama A, Hattori T. New workflow for metabolomics combining LC-QTOFMS and LC-TQMS. Shimadzu Application News. 2021.
3. Kong X, Liu C, Lu P, et al. Combination of UPLC-Q-TOF/MS and network pharmacology to reveal the mechanism of Qizhen decoction in the treatment of colon cancer. ACS Omega. 2021;6:14341-14360.
4. Zhou K, Zhang AH, Miao JH, et al. Serum pharmacochemistry in herbal medicine and its active ingredients: current evidence and future development. Open J Proteomics Genomics. 2018;3(105):1-10.
5. Yang L, Liang J, Zheng Q, et al. A comparative study of serum pharmacochemistry of Kai-Xin-San in normal and AD rats using UPLC-LTQ-Orbitrap-MS. Pharmaceuticals. 2023;16(1):30.

关键词: 做完中药入血成分分析后,如何筛选关键组分及其结合靶点
相关资讯
双喜临门!谱度众合连获2026年“武汉市人工智能企业”和“武汉市大数据企业”双项殊荣
2026-07-30
谱度众合亮相贵州大学溪山生物医药创新论坛:高通量质谱技术驱动药物靶点精准筛选
2026-07-30
科研不容试错,标准铸就信任!谱度众合PRM靶向检测省级团体标准正式获批!
2026-07-30
业务咨询